Choropleth– plotly 공식예제, 한국의 인구수

Import

import pandas as pd 
import json 
import requests 
import plotly.express as px

plotly 공식예제

data

df = px.data.election()
geojson = px.data.election_geojson()

- df는 어떻게 생겼을까?

df.head()

	district	Coderre	Bergeron	Joly	total	winner	result	district_id
0	101-Bois-de-Liesse	2481	1829	3024	7334	Joly	plurality	101
1	102-Cap-Saint-Jacques	2525	1163	2675	6363	Joly	plurality	102
2	11-Sault-au-Récollet	3348	2770	2532	8650	Coderre	plurality	11
3	111-Mile-End	1734	4782	2514	9030	Bergeron	majority	111
4	112-DeLorimier	1770	5933	3044	10747	Bergeron	majority	112

- geojson은 어떻게 생겼을까?

geojson.keys()

dict_keys(['type', 'features'])

geojson['features'][0].keys()

dict_keys(['type', 'geometry', 'properties', 'id'])

[geojson['features'][i]['properties'] for i in range(5)]

[{'district': '11-Sault-au-Récollet'},
 {'district': '12-Saint-Sulpice'},
 {'district': '13-Ahuntsic'},
 {'district': '14-Bordeaux-Cartierville'},
 {'district': '21-Ouest'}]

[geojson['features'][i]['id'] for i in range(5)]

['11', '12', '13', '14', '21']

시각화예시1: 공식예제 코드 그대로

fig = px.choropleth_mapbox(data_frame= df, 
                           geojson=geojson, 
                           color="Bergeron",
                           locations="district", 
                           featureidkey="properties.district",
                           center={"lat": 45.5517, "lon": -73.7073},
                           mapbox_style="carto-positron",
                           zoom=9)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show(config=dict({'scrollZoom':False}))

시각화예시2: key를 변경

fig = px.choropleth_mapbox(data_frame= df, 
                           geojson=geojson, 
                           color="Bergeron",
                           locations="district_id", 
                           featureidkey="id",
                           center={"lat": 45.5517, "lon": -73.7073},
                           mapbox_style="carto-positron",
                           zoom=9)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show(config=dict({'scrollZoom':False}))

한국의 인구수

df=pd.read_csv('https://raw.githubusercontent.com/guebin/2021DV/master/_notebooks/2021-11-22-prov.csv')
df

	행정구역(시군구)별	총인구수 (명)
0	서울특별시	9532428
1	부산광역시	3356311
2	대구광역시	2390721
3	인천광역시	2945009
4	광주광역시	1442454
5	대전광역시	1454228
6	울산광역시	1122566
7	세종특별자치시	368276
8	경기도	13549577
9	강원도	1537717
10	충청북도	1596948
11	충청남도	2118977
12	전라북도	1789770
13	전라남도	1834653
14	경상북도	2627925
15	경상남도	3318161
16	제주특별자치도	676569

global_distriction_jsonurl='https://raw.githubusercontent.com/southkorea/southkorea-maps/master/kostat/2018/json/skorea-provinces-2018-geo.json'

global_dict = json.loads(requests.get(global_distriction_jsonurl).text)

fig = px.choropleth_mapbox(df,  ### 데이터프레임 
                           geojson=global_dict, ### json파일 
                           color="총인구수 (명)", ### df에서 코로플레스의 단계를 표시 
                           locations="행정구역(시군구)별", ### df에 존재하는 연결변수 
                           featureidkey="properties.name", ### json에 존재하는 연결매개체
                           center={"lat": 35.84195368311022, "lon": 127.1155556693179}, 
                           mapbox_style="carto-positron", 
                           zoom=5)
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.show(config=dict({'scrollZoom':False}))

# df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/earthquakes-23k.csv')
# df = df.assign(Year = list(map(lambda x: x.split('/')[-1], df.Date)))\
#         .assign(Year = lambda df: list(map(lambda x: x.split('-')[0] ,df.Year)))
# import plotly.express as px
# fig = px.density_mapbox(df, 
#                         lat='Latitude', 
#                         lon='Longitude', 
#                         z='Magnitude', 
#                         radius=10,
#                         animation_frame='Year',
#                         center=dict(lat=37, lon=127), zoom=3,
#                         mapbox_style="stamen-terrain")
# fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
# fig.show()

숙제

없음